HL7LATAM

El  Deep Learning (aprendizaje profundo) es un subcampo de aprendizaje automático relacionado con algoritmos inspirados en la estructura y función del cerebro llamadas redes neuronales artificiales. Si recién está comenzando en el campo del aprendizaje profundo o si tuvo alguna experiencia con redes neuronales hace algún tiempo, puede estar confundido. Sé que al principio estaba confundido y muchos de mis colegas y amigos que aprendieron y usaron redes neuronales en la década de 1990 y principios de 2000. Los líderes y expertos en el campo tienen ideas de lo que es el aprendizaje profundo y estas perspectivas específicas y matizadas arrojan mucha luz sobre de qué se trata el aprendizaje profundo. El   Deep Learning  es parte de un conjunto más amplio de métodos de aprendizaje automático basados en asimilar representaciones de datos. Una observación (por ejemplo, una imagen) puede ser representada en muchas formas (por ejemplo, un vector de píxeles), pe...

“ Aspectos éticos e legais da informática em Saúde” é tema do próximo SIG Rede Nacional de Pesquisa em Telessaúde Posted on  27 de agosto de 2018 No dia 29 de agosto, a partir das 14h30 (horário de Brasília), acontece mais uma edição do SIG Rede Nacional de Pesquisa em Telessaúde. O tema deste encontro será “ Aspectos éticos e legais da informática em Saúde “, com presença do Prof.  Renato Sabbatini.  A discussão será aberta ao público interessado com transmissão online para todo o país. Basta clicar no link abaixo para participar. CLIQUE AQUI  para acessar a sala virtual (dia e hora agendados) Na última edição, a pauta do debate foi “ Ensino da Informática Biomédica nas Graduação da área de Saúde ”, ministrada pelo Prof. Luiz Roberto de Oliveira, coordenador geral do NUTEDS/UFC. Informações de apoio da RUTE: Antes da conexão com a sala de webconferência, por favor verifique os requisitos de uso: https://wiki.rnp.br/pages/view page....

La informatización del sectro salud es compleja con varios actores, como pacientes, cuidadores, médicos, hospitales y empresas farmacéuticas. Esta industria también está restringida por reglas y regulaciones estrictas. En ocasiones, todo esto da como resultado una atención inferior a la adecuada para los pacientes. Un sistema orientado al paciente puede dar como resultado una industria desfragmentada en la que el intercambio de datos entre los diversos actores puede conducir a una mejor prestación de asistencia sanitaria. La recopilación de datos impulsada por la tecnología tiene un papel muy importante que desempeñar para brindar atención médica personalizada a las personas. La tecnología está afectando a muchas industrias con diversos grados de transformación digital que se están presenciando por todas partes. La sanidad es una de esas industrias que está posicionada para ser impactada por la introducción de tecnologías habilitadas para datos. Los expertos lo llaman Heal...

La tecnología y los servicios se han convertido en el área de crecimiento de ingresos más rápido de la industria de la salud en los últimos cinco años, y su futuro crecimiento será fundamental para la industria.  De esta manera, en el presente seminario se abordará dicha temática junto a los siguientes conceptos: IoT en Salud:  distintas formas de usar Internet of Things en el ámbito de la salud a través de distintos sensores y casos implementados. Ventajas y limitaciones. Telemedicina:  Teleconsulta/Segunda Opinión, Telemonitoreo y casos implementados. Salud Cognitiva:  aplicaciones y usos de la Inteligencia Artificial en Salud (incluyendo Watson), y casos implementados. Gamification:  usos de la Tecnología de Videogames aplicados a la Salud y la Educación, y casos implementados. Historia Clínica Electrónica:  distintos tipos, usos y proyectos de Historia Clínica Electrónica. Éxitos y fracasos. Hospital Inteligente:  proyectos de Hospitales D...

Una estrategia de calidad de datos para permitir el acceso FAIR y programático en colecciones de datos grandes y diversas para el análisis de datos de alto rendimiento Una estrategia de calidad de datos (DQS) es útil para investigadores, organizaciones y otros, principalmente porque les permite "establecer un nivel de seguridad y, por lo tanto, confianza para [su] comunidad de usuarios y partes interesadas clave como parte integral de la prestación del servicio. " Evans y col. de la Universidad Nacional de Australia, reconociendo esta importancia, discutir la implementación de su DQS en la Infraestructura Computacional Nacional Australiana (NCI), detallando su estrategia y proporcionando ejemplos en este documento de 2017. Concluyen que "[a] aplicar el DQS significa que los científicos dedican menos tiempo a formatear y reorganizar los datos para que sean adecuados para el uso de sus aplicaciones y flujos de trabajo, especialmente si sus aplicaciones pueden leer int...